Veri Biliminde Meslekler ve Araçlar

Veri bilimi işlerinde yapılan görevlere göre dört ana meslek mevcuttur.

• Veri Mühendisi
• Veri Analisti
• Veri Bilimcisi
• Makine Öğrenimi Bilimcisi

Takip eden kısımda bu mesleklerde çalışanların yaptıkları farklı işleri ve kullandıkları araçları sizlere tanıtacağız.

Veri Mühendisi: Veri akışını kontrol ederler. Özel veri taşıma hatları ve depolama sistemleri oluştururlar. Altyapıyı verilerin yalnızca toplanması değil; elde edilmesi ve işlenmesi kolay olacak şekilde tasarlarlar. Veri bilimi iş akışı içinde ilk aşamaya odaklanırlar, yani veri toplama ve depolama.

Veri mühendisleri, verileri depolamak ve düzenlemek için kullandıkları SQL konusunda uzmandırlar. Ayrıca verileri işlemek için Java, Scala veya Python gibi programlama dillerini kullanırlar. Görevleri otomatik hale getirmek ve çalıştırmak için Shell’i kullanırlar. Son olarak, veri mühendislerinin büyük miktarda veriyi alıp depolamak için “bulut depolama” konusuna da yeterince hâkim olmaları gerekir.

Veri Analisti: Veri analistleri bugünü veriler aracılığıyla tanımlarlar. Bunu verileri inceleyerek, görselleştirmeler yaparak ve panolar (İng: dashboard) oluşturarak yaparlar. Bu görevleri yapmak için genellikler ilk aşama verileri hazırlama kısmıdır. Analistler veri biliminin diğer rollerine göre daha az programlama ve istatistik deneyimine ihtiyaç duyarlar. İş akışı içinde ortadaki iki aşamaya odaklanırlar: veri hazırlama, veri inceleme ve görselleştirme.

Veri analistleri, verileri sorgulamak için veri mühendisleri tarafından da kullanılan SQL yazılımını kullanırlar. Veri mühendisleri SQL depolama çözümleri oluşturup yapılandırırlarken, analistler analizleriyle ilgili verileri almak ve toplamak için mevcut veri tabanlarını kullanırlar. Veri analistleri, küçük miktarlardaki veriler üzerinde basit analizler yapmak için elektronik tabloları kullanırlar. Analistler ayrıca panolar oluşturmak ve analizlerini paylaşmak için Tableau, Power BI veya Looker gibi “iş zekası” (İng: business intelligence, BI) araçlarını kullanır. Daha ileri düzey veri analistleri, verileri temizlemek ve analiz etmek için Python veya R gibi programlama araçları ile daha rahat edebilirler.

Veri Bilimcisi: Veri bilimcileri yalnızca verileri tanımlamak yerine, verilerden yeni anlayışlar çıkarmalarını sağlayan güçlü bir istatistik geçmişine sahiptirler. Ayrıca tahmin ve tahmin için geleneksel makine öğrenimini kullanırlar. İş akışı içinde son üç aşamaya odaklanırlar: veri hazırlama, keşif ve görselleştirme, deney ve tahmin.

Analistlere benzer şekilde, veri bilimcilerin SQL’de becerileri güçlüdür. Veri bilimcileri en azından Python ve R programlamada yetkin olmalıdırlar. Bu dillerde Pandas veya Tidyverse gibi popüler veri bilimi kütüphanelerinden faydalanırlar. Bu kütüphaneler yaygın veri bilimi görevleri için yeniden kullanılabilir kodlar içerir.

Makine Öğrenimi Bilimcisi: Makine öğrenimi bilimcileri, veri bilimcilerine benzerler ancak makine öğrenimi uzmanlığına sahiptirler. Makine öğrenimi, veri biliminin belki de en hareketli kısmıdır. Şöyle ki halihazırda bildiğimiz şeylerden doğru olması muhtemel olanı tahmin etmek için kullanılır. Bu bilim insanları, ister bir araba içeren görüntüleri sınıflandırmak istesin, ister bir sohbet robotu oluşturmak istesin, daha büyük, kuralsız verileri sınıflandırmak için eğitim verilerini kullanırlar. Derin öğrenme ile geleneksel makine öğreniminin ötesine geçerler. İş akışı içinde son üç aşamayı, tahmine güçlü bir şekilde odaklanarak gerçekleştirirler.

Makine öğrenimi bilim insanları, tahmine dayalı modellerini oluşturmak için yaygın olarak Python ve/veya R yazılımlarını kullanır. Bu dillerde güçlü derin öğrenme algoritmalarını çalıştırmak için TensorFlow gibi popüler makine öğrenimi kütüphanelerinden faydalanırlar.

Farklı veri bilimi mesleklerininden bahsettik. Veri bilimi alanında çalışma niyeti olan kişiler kendilerine uygun gördükleri mesleğe yoğunlaşıp alakalı görevler ve araçlar üzerinde kendilerini geliştirebilirler.